一种硝酸-硝酸铵溶液中硝酸铵浓度预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115950854A(43)申请公布日2023.04.11(21)申请号202211540998.5G06N20/00(2019.01)(22)申请日2022.12.02G01N21/3577(2014.01)(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人陈锟钱石川王俊峰陈煜王志晁慧万学谦金韶华陈树森(74)专利代理机构北京正阳理工知识产权代理事务所(普通合伙)11639专利代理师邬晓楠(51)Int.Cl.G01N21/359(2014.01)G06F18/213(2023.01)G06F18/27(2023.01)权利要求书2页说明书8页附图2页(54)发明名称一种硝酸-硝酸铵溶液中硝酸铵浓度预测方法(57)摘要本发明涉及一种硝酸‑硝酸铵溶液中硝酸铵浓度预测方法，具体涉及一种由待测硝酸‑硝酸铵溶液的近红外光谱数据与已知硝酸‑硝酸铵溶液中硝酸铵浓度数据预测待测溶液中硝酸铵浓度的方法，属于炸药工艺和近红外光谱定量分析领域。该方法利用硝酸‑硝酸铵溶液中硝酸铵浓度与近红外光谱数据间的关系，通过光谱拟合预测待测硝酸‑硝酸铵溶液中硝酸铵的浓度。本发明的方法使用随机森林回归学习算法，构建了硝酸‑硝酸铵溶液中硝酸铵浓度预测模型，可有效减少使用线性回归等模型出现的过拟合现象。本发明利用在线近红外光谱数据，通过建立的模型可快速预测硝酸‑硝酸铵溶液中硝酸铵的浓度值，有利于观察HMX的生产稳定性，达到保证最终产品质量的目的。CN115950854ACN115950854A权利要求书1/2页1.一种硝酸‑硝酸铵溶液中硝酸铵浓度预测方法，其特征在于：包括以下步骤：步骤一、收集不同硝酸铵浓度的硝酸‑硝酸铵溶液样本的近红外光谱，以及其对应的浓度数据，组成原始近红外光谱数据矩阵和原始浓度数据矩阵；步骤二、对所述原始近红外光谱数据矩阵中的数据进行标准正态变量变换，得到预处理后的光谱矩阵；步骤三、通过连续投影算法对所述预处理后的光谱矩阵进行降维处理，得到降维后的光谱矩阵；步骤四、将降维后的光谱矩阵与步骤一的原始浓度数据矩阵按spxy算法原理划分为训练集光谱矩阵、训练集浓度矩阵、测试集光谱矩阵和测试集浓度矩阵；步骤五、将训练集光谱矩阵和训练集浓度矩阵输入到随机森林回归模型中进行训练，得到最优随机森林回归模型；用最优随机森林回归模型对验证集光谱矩阵对应的浓度值进行预测，将预测值和真实值进行对比，运用相关系数R2、均方误差MSE(MeanSquareError)进行评价；所述最优随机森林回归模型具体构建过程包括以下步骤：1)将训练集光谱矩阵和训练集浓度矩阵组合成样本集，使用bootstrap方法随机有放回的对样本集进行采样，生成h个训练集，记为θ1，θ2，…，θh；2)假设训练集θ1所对应的子空间为R，并将子空间R依据阈值分割为Rl和Rr两个部分，直至无法继续分割后，构建得到训练集θ1对应的回归决策树模型；子空间R分割规则为：式中x为训练集θ1中光谱数据；对于分割问题，存在一个最优解，使得最小值函数最小：式中y为训练集θ1中训练集浓度数据，是在Rl和Rr空间的均值，|R|为子空间R的样本点数，nr和nl分别对应Rl和Rr空间的样本点数；按照上述方法，分别将Rl和Rr作为父节点继续分割，直至父节点中样本数量小于设定阈值S为止，并将当前父节点设置为叶子节点，每个叶子节点存储到达该位置的训练样本的均值；经过上述分割，得到u个父节点R1，R2，…，Ru，并在每个父节点空间上都有一个固定的输出值(当前父节点空间中所有样本的输出变量y的平均值)，则训练集θ1对应的回归决策树模型表示为：式中I为逻辑值，表达形式为：2CN115950854A权利要求书2/2页3)继续对训练集θ2、θ3，…，θh重复步骤2)，生成h棵回归决策树，并使每棵树最大程度生长；4)将h棵回归决策树组成随机森林，并建立最优随机森林回归模型的函数步骤六、将在线采集到的待测硝酸铵浓度的硝酸‑硝酸铵溶液近红外光谱数据，通过步骤二中的SNV预处理、步骤三的SPA降维后，输入到步骤五得到的最优随机森林回归模型，即可直接获得待测溶液的浓度值。2.如权利要求1所述一种硝酸‑硝酸铵溶液中硝酸铵浓度预测方法，其特征在于：步骤二预处理后的光谱矩阵为n行m列，其中n代表样本容量，m为全光谱波长数目，要选出H个最优波长，选择步骤为：(1)初始迭代t＝1时，任选所述预处理后的光谱矩阵第k列赋值给xj，记为xk(0)，k(0)为所选变量的最初位置(j＝k(0)，1≤j≤m)；(2)将剩余列向量位置集合定义为s：(3)分别计算剩余列向量xj(j∈s)对所选向量xk(t‑1)的投影Pxj：式中代表xj的转置矩阵，代表的逆矩阵。(4)提取最大